CN116978234B - 一种基于行车记录仪的路况数据动态采集方法及系统 - Google Patents
一种基于行车记录仪的路况数据动态采集方法及系统 Download PDFInfo
- Publication number
- CN116978234B CN116978234B CN202311226610.9A CN202311226610A CN116978234B CN 116978234 B CN116978234 B CN 116978234B CN 202311226610 A CN202311226610 A CN 202311226610A CN 116978234 B CN116978234 B CN 116978234B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- data
- congestion
- unit
- dynamic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000008859 change Effects 0.000 claims abstract description 67
- 230000001965 increasing effect Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000012544 monitoring process Methods 0.000 claims description 29
- 230000002159 abnormal effect Effects 0.000 claims description 24
- 230000003044 adaptive effect Effects 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 17
- 238000013480 data collection Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 6
- 239000011295 pitch Substances 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 14
- 230000005540 biological transmission Effects 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 5
- 230000001960 triggered effect Effects 0.000 description 5
- 206010039203 Road traffic accident Diseases 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C5/00—Registering or indicating the working of vehicles
- G07C5/08—Registering or indicating performance data other than driving, working, idle, or waiting time, with or without registering driving, working, idle or waiting time
- G07C5/0841—Registering performance data
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/056—Detecting movement of traffic to be counted or controlled with provision for distinguishing direction of travel
Abstract
本发明公开了一种基于行车记录仪的路况数据动态采集方法及系统,涉及交通路况采集技术领域,该系统实时监测车辆前方的路况,包括车速、车辆间距、车道线情况等,通过拥堵系数Yd的计算,能够提供对交通拥堵程度的准确评估。通过自适应触发采集单元,智能地调整数据采集频率。在交通流畅时,降低数据采集频率以节省电能和降低成本。而在交通拥堵时,增加数据采集频率以更好地监测交通事件,提供实时数据支持。促进优化资源利用。系统能够检测交通事件,如车辆间距异常和道路事故。这有助于及时发现并响应道路事件,提高道路安全性。通过角度变化触发阈值单元,系统可以监测车辆行驶方向的变化,从而更好地捕捉车辆行驶轨迹和交通事件。
Description
技术领域
本发明涉及交通路况采集技术领域,具体为一种基于行车记录仪的路况数据动态采集方法及系统。
背景技术
在现代社会中,交通管理和路况监控一直是城市规划和安全管理的重要组成部分。为了提高道路交通的效率、安全性和可持续性,需要及时获取准确的路况数据,以便采取相应的措施来应对拥堵、事故和其他交通问题。而行车记录仪(DashCam)是一种普及率较高的设备,广泛用于记录车辆行驶过程中的视频和数据,为交通事故的证据采集提供了便捷途径。
传统的行车记录仪主要用于记录事故或突发事件,对于交通监测和路况分析的应用相对有限。通常,这些设备以固定的数据采集频率工作,不考虑实际的交通情况。这种静态的数据采集方式存在一些问题,例如:
数据冗余:在大部分时间内,道路交通是正常畅通的,但行车记录仪仍会以相同的频率记录数据,导致大量冗余数据的产生。
能耗浪费:连续高频率的数据采集会消耗大量电能,降低了行车记录仪的工作时间,需要频繁更换电池或充电。
数据传输成本高昂:如果采集的数据需要上传到云端进行存储和分析,高频率的数据传输将导致高昂的通信费用。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于行车记录仪的路况数据动态采集方法及系统,该系统实时监测车辆前方的路况,包括车速、车辆间距、车道线情况等,通过拥堵系数Yd的计算,能够提供对交通拥堵程度的准确评估。这有助于城市规划者和交通管理部门更好地了解道路状况,采取措施改善交通流畅度。系统通过自适应触发采集单元,智能地调整数据采集频率。在交通流畅时,降低数据采集频率以节省电能和降低成本。而在交通拥堵时,增加数据采集频率以更好地监测交通事件,提供实时数据支持。这有助于优化资源利用。系统能够检测交通事件,如车辆间距异常和道路事故,通过动态系数分析单元和事件触发阈值单元实现。这有助于及时发现并响应道路事件,提高道路安全性。通过角度变化触发阈值单元,系统可以监测车辆行驶方向的变化,从而更好地捕捉车辆行驶轨迹和交通事件。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种基于行车记录仪的路况数据动态采集系统,包括数据采集单元、数据处理单元、分析单元和自适应触发采集单元;
所述数据采集单元,用于实时采集区域车辆前方路况视频数据、车辆速度、车辆角度和区域环境数据,并,建立视频数据集、车辆实时GPS数据集、车辆速度数据集、车辆角度数据集和环境数据集;
所述数据处理单元将所述视频数据集、车辆实时GPS数据集、车辆速度数据集、车辆角度数据集和环境数据集进行数据处理、解析成可处理的格式;
所述分析单元用于对解析过的视频数据集、车辆实时GPS数据集、车辆速度数据集、车辆角度数据集和环境数据集、进行分析和计算,获得拥堵系数Yd;所述拥堵系数Yd通过以下公式进行计算获得:
,
式中,Vt表示每个时间点的车辆平均速度值,单位:km/h;Vmax表示为预先定义的最大车速阈值,设置30公里/小时;N表示为时间点的总数;公式的意义为,计算了每个时间点车速低于最大车速阈值的程度,并对所有时间点的结果求和后求品均值,结果在0到1之间归一化,较高的拥堵系数Yd值表示较严重的交通拥堵;
所述自适应触发采集单元用于依据拥堵系数Yd,设置拥堵触发阈值,并依据拥堵触发阈值设置数据采集频率值,以更好的捕捉交通细节、区域监控和交通事件详情。
优选的,所述数据采集单元包括部署单元、第一采集单元和第二采集单元;
所述部署单元用于在若干个车辆上部署行车记录仪、GPS定位器、角度传感器、速度传感器和雷达传感器;
所述第一采集单元,用于行车记录仪,采集获取车辆前方的视频数据,建立视频数据集;采用GPS定位器采集车辆的实时位置、建立车辆实时GPS数据集;采用速度传感器和角度传感器采集车辆速度数据和车辆角度数据;建立车辆速度数据集和车辆角度数据集;
所述第二采集单元用于采用雷达传感器和行车记录仪采集车辆周围环境数据,建立环境数据集;所述环境数据集包括车辆周围障碍物、行人、环境中其他车辆数据、周围环境地形和道路情况数据。
优选的,所述分析单元包括视频帧提取单元、特征识别单元和速度获取单元;
所述视频帧提取单元用于从视频数据集中提取连续的图像帧,通常以固定的时间间隔提取,包括每秒提取一帧或每三秒提取一帧;
所述特征识别单元用于对每个图像帧进行识别,提取车辆特征、车辆间距特征、道路标线特征,识别并跟踪图像中的车辆,根据车辆在图像帧之间的位置变化和时间间隔,并根据速度获取单元采集需要获取车辆的当前速度数据,并记录在每个图像帧上,并将若干个图像帧整理成时间序列,每个时间点对应一个车速值。
优选的,所述分析单元还包括事故识别单元和动态系数分析单元;
所述事故识别单元用于将所述车辆间距特征进行分析,识别异常的车辆间距,设置城市车辆间距1米内为第一异常间距,高速公路车辆间距10米内为第二异常间距;
所述动态系数分析单元用于获取一段时间内第一异常间距和第二异常间距的次数,分析计算获得第一动态系数Dy和第二动态系数Dr,所述第一动态系数Dy和第二动态系数Dr通过以下公式计算获得:
,
,
式中,dycs表示为固定时间内的第一异常间距次数,zLL1表示为城市道路监测车辆总流量;drcs表示为固定时间内第二异常间距次数,zLL2表示为高速公路监测车辆总流量。
优选的,所述自适应触发采集单元包括设置拥堵触发阈值单元;
所述拥堵触发阈值单元用于设定拥堵触发阈值Q1,并将当前计算的实时拥堵系数Yd与拥堵触发阈值Q1进行对比,拥堵系数Yd低于拥堵触发阈值Q1,说明交通流畅,则选择较低的数据采集频率,以降低资源消耗;
如果拥堵系数Yd高于或等于拥堵触发阈值Q1,说明交通拥堵,需要更频繁地采集数据以监测交通细节和事件,在这种情况下,增加数据采集频率,以更好地捕捉交通事件和拥堵情况。
优选的,所述自适应触发采集单元还包括第一自适应频率调整单元;
所述第一自适应频率调整单元用于实时监测并获取拥堵系数Yd,并根据其实时变化来自适应地调整数据采集频率;即使拥堵系数Yd未高于拥堵触发阈值Q1的情况下,如果拥堵系数Yd在一段时间内持续上升,第一自适应频率调整单元采用自动增加数据采集频率,以更及时地捕捉拥堵和事件;反之,如果一段时间拥堵系数Yd内降低,采用减少数据采集频率,以节省资源。
优选的,所述自适应触发采集单元包括设置事件触发阈值单元和第二自适应频率调整单元;
所述设置事件触发阈值单元分别设置城市道路动态事件触发阈值Q21和高速道路动态事件触发阈值Q22,并将实时计算得到的第一动态系数Dy和第二动态系数Dr分别与城市道路动态事件触发阈值Q21和高速道路动态事件触发阈值Q22并进行对比,如果第一动态系数Dy高于或等于城市道路动态事件触发阈值Q21,则触发城市道路动态事件检测;第二动态系数Dr高于或等于高速道路动态事件触发阈值Q22,则触发高速道路动态事件检测。
优选的,所述自适应触发采集单元还包括角度变化触发阈值单元,所述角度变化触发阈值单元用于获得设置角度变化阈值Q3,持续监测车辆的方向角度变化值,获取角度变化值Jd,
并将角度变化值Jd与角度变化阈值Q3进行对比,如果角度变化值Jd超过或等于角度变化阈值Q3,表示车辆行驶方向发生了明显变化以触发数据采集频率的调整,采用增加数据采集频率,以更详细地捕捉车辆行驶方向的变化和交通事件;如果角度变化值Jd未超过角度变化阈值Q3,说明车辆行驶方向变化较小,选择降低数据采集频率以节省资源。
优选的,还包括报警单元,所述报警单元用于对自适应触发采集单元中,如果拥堵系数Yd高于或等于拥堵触发阈值Q1,说明交通拥堵,需要更频繁地采集数据以监测交通细节和事件,并生成第一报警拥堵信息;
即使拥堵系数Yd未高于拥堵触发阈值Q1的情况下,如果拥堵系数Yd在一段时间内持续上升,第一自适应频率调整单元采用自动增加数据采集频率,并生成第二预警拥堵信息;
如果第一动态系数Dy高于或等于城市道路动态事件触发阈值Q21,则触发城市道路动态事件检测;第二动态系数Dr高于或等于高速道路动态事件触发阈值Q22,则触发高速道路动态事件检测;生成第三事件预警信息;并,将第一报警拥堵信息、第二预警拥堵信息和第三事件预警信息的时间和位置进行记录发送至管理员相关方。
一种基于行车记录仪的路况数据动态采集方法,包括以下步骤:
S1、部署行车记录仪、GPS定位器、角度传感器、速度传感器和雷达传感器到多辆车辆上,用于实时路况采集数据;
S2、实时采集数据并建立视频数据集、车辆实时GPS数据集、车辆速度数据集、车辆角度数据集和环境数据集;
S3、对采集的数据集进行处理,将其解析成可处理的格式;
S4、通过分析单元分析获得拥堵系数Yd、第一动态系数Dy和第二动态系数Dr;
S5、获取拥堵系数Yd、第一动态系数Dy和第二动态系数Dr,持续监测车辆的方向角度变化值,获取角度变化值Jd,并分别与拥堵触发阈值Q1、城市道路动态事件触发阈值Q21、高速道路动态事件触发阈值Q22和角度变化阈值Q3进行对比,获得结果自适应调整数据采集频率,并相对应生成第一报警拥堵信息、第二预警拥堵信息和第三事件预警信息。
(三)有益效果
本发明提供了一种基于行车记录仪的路况数据动态采集方法及系统。具备以下有益效果:
(1)该一种基于行车记录仪的路况数据动态采集方法及系统,传统行车记录仪主要用于记录事故,而该系统使得行车记录仪能够实时监测车辆前方路况,包括车辆速度、角度、环境数据等,从而及时了解交通拥堵情况,有助于提高道路交通的效率和安全性。
(2)该一种基于行车记录仪的路况数据动态采集方法及系统,通过自适应触发采集单元,系统根据拥堵系数和其他参数智能地调整数据采集频率。当交通流畅时,降低数据采集频率以减少能耗和资源消耗,而在交通拥堵时增加频率以更好地监测交通事件。这有助于节省电能和减少数据传输成本。
(3)该一种基于行车记录仪的路况数据动态采集方法及系统,系统通过动态系数分析单元和事件触发阈值单元,能够检测城市道路和高速道路上的动态事件,如异常车辆间距和交通事件。这有助于提高交通管理的响应速度,及时采取措施应对道路事件。
(4)该一种基于行车记录仪的路况数据动态采集方法及系统,角度变化触发阈值单元能够监测车辆行驶方向的变化。如果车辆的方向发生明显变化,系统将增加数据采集频率,以更详细地捕捉车辆行驶方向的变化和交通事件。这有助于更全面地了解道路上的交通情况。
附图说明
图1为本发明一种基于行车记录仪的路况数据动态采集框图流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在现代社会中,交通管理和路况监控一直是城市规划和安全管理的重要组成部分。为了提高道路交通的效率、安全性和可持续性,需要及时获取准确的路况数据,以便采取相应的措施来应对拥堵、事故和其他交通问题。而行车记录仪(DashCam)是一种普及率较高的设备,广泛用于记录车辆行驶过程中的视频和数据,为交通事故的证据采集提供了便捷途径。
传统的行车记录仪主要用于记录事故或突发事件,对于交通监测和路况分析的应用相对有限。通常,这些设备以固定的数据采集频率工作,不考虑实际的交通情况。这种静态的数据采集方式存在一些问题,例如:
数据冗余:在大部分时间内,道路交通是正常畅通的,但行车记录仪仍会以相同的频率记录数据,导致大量冗余数据的产生。
能耗浪费:连续高频率的数据采集会消耗大量电能,降低了行车记录仪的工作时间,需要频繁更换电池或充电。
数据传输成本高昂:如果采集的数据需要上传到云端进行存储和分析,高频率的数据传输将导致高昂的通信费用。
实施例1
本发明提供一种基于行车记录仪的路况数据动态采集系统,请参照图1,包括数据采集单元、数据处理单元、分析单元和自适应触发采集单元;
所述数据采集单元,用于实时采集区域车辆前方路况视频数据、车辆速度、车辆角度和区域环境数据,并,建立视频数据集、车辆实时GPS数据集、车辆速度数据集、车辆角度数据集和环境数据集;传统行车记录仪主要用于记录事故,而本系统使得行车记录仪具备了实时路况监测的能力。通过采集车辆前方路况视频数据、车辆速度、车辆角度和环境数据,系统可以实时分析和计算拥堵系数Yd,从而及时了解交通拥堵情况。
所述数据处理单元将所述视频数据集、车辆实时GPS数据集、车辆速度数据集、车辆角度数据集和环境数据集进行数据处理、解析成可处理的格式;
所述分析单元用于对解析过的视频数据集、车辆实时GPS数据集、车辆速度数据集、车辆角度数据集和环境数据集、进行分析和计算,获得拥堵系数Yd;所述拥堵系数Yd通过以下公式进行计算获得:
,
式中,Vt表示每个时间点的车辆平均速度值,单位:km/h;Vmax表示为预先定义的最大车速阈值,设置30公里/小时;N表示为时间点的总数;公式的意义为,计算了每个时间点车速低于最大车速阈值的程度,并对所有时间点的结果求和后求品均值,结果在0到1之间归一化,较高的拥堵系数Yd值表示较严重的交通拥堵;
所述自适应触发采集单元用于依据拥堵系数Yd,设置拥堵触发阈值Q1,并依据拥堵触发阈值设置数据采集频率值,以更好的捕捉交通细节、区域监控和交通事件详情。
数据示例:例如,在一段时间内,记录了10个时间点的车辆速度数据(Vt):
Vt1=20km/h
Vt2=25km/h
Vt3=18km/h
Vt4=15km/h
Vt5=22km/h
Vt6=30km/h
Vt7=28km/h
Vt8=10km/h
Vt9=18km/h
Vt10=24km/h
设置最大车速阈值Vmax=30km/h。
时间点的总数N=10。
使用拥堵系数公式计算:
Yd=(Σ(1-(Vt/Vmax)))/N*100%;Yd=[(1-(20/30))+(1-(25/30))+(1-(18/30))+(1-(15/30))+(1-(22/30))+(1-(30/30))+(1-(28/30))+(1-(10/30))+(1-(18/30))+(1-(24/30))]/10*100%;Yd=[(0.33+0.167+0.4+0.5+0.267+0+0.067+0.667+0.4+0.2)]/10*100%;Yd=(2.8/10)*100%;Yd=28%;
拥堵触发阈值设置:根据计算得到的拥堵系数Yd,设置拥堵触发阈值Q1。例如,如果Q1设置为20%,则当Yd大于20%时,系统认为交通拥堵,需要更频繁地采集数据,提高采集频率。
本实施例中,通过自适应触发采集单元,系统可以根据拥堵系数Yd动态调整数据采集频率。这意味着在交通畅通的时候,可以降低数据采集频率,减少数据冗余,从而降低了数据处理和存储的成本。而在交通拥堵情况下,系统会增加数据采集频率,以更详细地捕捉交通事件的详情。由于传统行车记录仪在连续高频率的数据采集下可能需要频繁更换电池或充电,本发明通过降低数据采集频率,减少了电能消耗,有助于延长电池寿命,减少能源浪费,降低碳排放。对于需要将数据上传至云端的应用场景,动态调整数据采集频率可以降低数据传输成本。只有在必要时才上传高频率的数据,降低了通信费用,有利于降低运营成本。本发明不仅可以监测交通拥堵情况,还能检测车辆间距异常和车辆方向变化,提前识别潜在的交通事故和紧急事件。通过生成警示信息,有助于驾驶员采取及时的行动,提高了道路交通的安全性。
实施例2
本实施例是在实施例1中进行的解释说明,请参照图1,具体的,所述数据采集单元包括部署单元、第一采集单元和第二采集单元;
所述部署单元用于在若干个车辆上部署行车记录仪、GPS定位器、角度传感器、速度传感器和雷达传感器;
所述第一采集单元,用于行车记录仪,采集获取车辆前方的视频数据,建立视频数据集;采用GPS定位器采集车辆的实时位置、建立车辆实时GPS数据集;采用速度传感器和角度传感器采集车辆速度数据和车辆角度数据;这为实时的路况监测和分析提供了重要的信息,有助于精确计算车辆的平均速度和拥堵情况,第一采集单元采集车辆前方的视频数据,并建立视频数据集。这种视频数据可以用于事故重现、交通事件的实时监测以及路况的可视化呈现,提供了更直观的交通信息。
建立车辆速度数据集和车辆角度数据集;这有助于系统更好地理解车辆所处的交通环境,识别潜在的危险情况,例如车辆间距过近或障碍物出现在道路上。
所述第二采集单元用于采用雷达传感器和行车记录仪采集车辆周围环境数据,建立环境数据集;所述环境数据集包括车辆周围障碍物、行人、环境中其他车辆数据、周围环境地形和道路情况数据。
本实施例中,将这些多维数据整合到系统中,分析单元可以更全面地评估交通状况、路况和交通事件。通过综合考虑车辆位置、速度、角度、周围环境等因素,系统可以更准确地计算拥堵系数、识别事故和异常情况,从而为交通管理和安全管理提供更准确的信息。
实施例3
本实施例是在实施例1中进行的解释说明,请参照图1,具体的,所述分析单元包括视频帧提取单元、特征识别单元和速度获取单元;
所述视频帧提取单元用于从视频数据集中提取连续的图像帧,通常以固定的时间间隔提取,包括每秒提取一帧或每三秒提取一帧;
所述特征识别单元用于对每个图像帧进行识别,提取车辆特征、车辆间距特征、道路标线特征,识别并跟踪图像中的车辆,根据车辆在图像帧之间的位置变化和时间间隔,并根据速度获取单元采集需要获取车辆的当前速度数据,并记录在每个图像帧上,并将若干个图像帧整理成时间序列,每个时间点对应一个车速值。
本实施例中,通过整理多个图像帧的速度数据,分析单元可以生成一个时间序列,其中每个时间点对应着车辆的速度值。这种时间序列数据对于实时监测车速、识别拥堵、分析交通流量等任务非常有用。这有助于更精确地理解道路交通状况,识别拥堵、事故和其他交通事件,并为交通管理和路况改进提供了可靠的数据支持。
实施例4
本实施例是在实施例1中进行的解释说明,请参照图1,具体的,所述分析单元还包括事故识别单元和动态系数分析单元;
所述事故识别单元用于将所述车辆间距特征进行分析,识别异常的车辆间距,设置城市车辆间距1米内为第一异常间距,高速公路车辆间距10米内为第二异常间距;这个功能有助于及时检测并报告可能的交通事故,从而加强了路况监控和安全管理。
所述动态系数分析单元用于获取一段时间内第一异常间距和第二异常间距的次数,分析计算获得第一动态系数Dy和第二动态系数Dr,所述第一动态系数Dy和第二动态系数Dr通过以下公式计算获得:
,
,
式中,dycs表示为固定时间内的第一异常间距次数,zLL1表示为城市道路监测车辆总流量;drcs表示为固定时间内第二异常间距次数,zLL2表示为高速公路监测车辆总流量。
本实施例中,事故识别和动态系数分析是这项发明的重要组成部分,有助于提高路况监测的准确性和实时性,为交通管理和道路安全提供了更可靠的数据支持。这些功能使得系统能够更有效地应对交通问题和紧急事件。
实施例5
本实施例是在实施例1中进行的解释说明,请参照图1,具体的,所述自适应触发采集单元包括设置拥堵触发阈值单元;
所述拥堵触发阈值单元用于设定拥堵触发阈值Q1,并将当前计算的实时拥堵系数Yd与拥堵触发阈值Q1进行对比,拥堵系数Yd低于拥堵触发阈值Q1,说明交通流畅,则选择较低的数据采集频率,以降低资源消耗;
如果拥堵系数Yd高于或等于拥堵触发阈值Q1,说明交通拥堵,需要更频繁地采集数据以监测交通细节和事件,在这种情况下,增加数据采集频率,以更好地捕捉交通事件和拥堵情况。
本实施例中,通过设置拥堵触发阈值Q1,系统能够根据当前的交通情况来合理分配资源。当交通流畅时,拥堵系数Yd较低,此时选择较低的数据采集频率可以降低能耗和资源消耗,延长行车记录仪的工作时间,减少频繁充电或更换电池的需求。当拥堵系数Yd高于拥堵触发阈值Q1时,系统将增加数据采集频率。这有助于在交通拥堵期间更频繁地捕捉交通事件和细节,提高路况监测的实时性和准确性。这对于及时采取措施来缓解拥堵和处理交通事件至关重要。系统的自适应触发采集单元能够根据不同的交通情况自动调整数据采集频率,而不需要手动干预。这增加了系统的智能性和便捷性,使其能够适应不同路况和交通密度,提供更好的路况数据支持。
实施例6
本实施例是在实施例1中进行的解释说明,请参照图1,具体的,所述自适应触发采集单元还包括第一自适应频率调整单元;
所述第一自适应频率调整单元用于实时监测并获取拥堵系数Yd,并根据其实时变化来自适应地调整数据采集频率;即使拥堵系数Yd未高于拥堵触发阈值Q1的情况下,如果拥堵系数Yd在一段时间内持续上升,第一自适应频率调整单元采用自动增加数据采集频率,以更及时地捕捉拥堵和事件;反之,如果一段时间拥堵系数Yd内降低,采用减少数据采集频率,以节省资源。当一段时间内拥堵系数Yd降低,表明交通状况有所缓解,第一自适应频率调整单元采用自动减少数据采集频率的策略。这有助于节省电能和减少数据传输成本,提高系统的资源利用效率。
本实施例中,通过实时监测和获取拥堵系数Yd的变化,第一自适应频率调整单元可以及时响应交通情况的快速变化。当交通拥堵程度在短时间内迅速升高时,自动增加数据采集频率可以更及时地捕捉到拥堵和交通事件,为交通管理和应对提供了更及时的数据支持。系统不仅能够根据拥堵触发阈值Q1进行调整,还可以根据短期内拥堵系数Yd的趋势来调整数据采集频率。这种动态的自适应性使系统能够更好地适应交通的复杂性和多变性,提高了数据采集的智能性和有效性。用户在使用行车记录仪时,无需频繁手动干预数据采集频率的设置,系统能够自动根据交通情况提供最佳的数据采集策略。这提高了用户的体验,并降低了操作复杂性。
实施例7
本实施例是在实施例1中进行的解释说明,请参照图1,具体的,所述自适应触发采集单元包括设置事件触发阈值单元和第二自适应频率调整单元;
所述设置事件触发阈值单元分别设置城市道路动态事件触发阈值Q21和高速道路动态事件触发阈值Q22,并将实时计算得到的第一动态系数Dy和第二动态系数Dr分别与城市道路动态事件触发阈值Q21和高速道路动态事件触发阈值Q22并进行对比,如果第一动态系数Dy高于或等于城市道路动态事件触发阈值Q21,则触发城市道路动态事件检测;第二动态系数Dr高于或等于高速道路动态事件触发阈值Q22,则触发高速道路动态事件检测。
本实施例中,一旦第一动态系数Dy或第二动态系数Dr达到相应的事件触发阈值,系统就能够触发城市道路动态事件检测或高速道路动态事件检测。这意味着系统可以实时监测并记录交通事件的发生,而不仅仅是采集路况数据。第二自适应频率调整单元根据实际发生的交通事件来自适应地调整数据采集频率。例如,当触发了城市道路动态事件检测时,系统可以自动增加数据采集频率,以更详细地捕捉事件详情。这有助于确保事件数据的充分采集,并提供有关事件的更多信息。系统可以根据实际需要调整数据采集频率,这有助于优化资源使用。例如,在未触发事件时,可以降低数据采集频率以节省能源和通信带宽。这降低了系统运行的维护成本和资源浪费。
具体数据示例:假设在一段时间内,城市道路监测到的车辆总流量zLL1为1000辆,固定时间内第一异常间距次数dycs为20次;高速公路监测到的车辆总流量zLL2为500辆,固定时间内第二异常间距次数drcs为10次。
现在,我们已经计算出了第一动态系数Dy和第二动态系数Dr:
第一动态系数Dy计算:Dy=(dycs/zLL1)*100Dy=(20/1000)*100Dy=2%
第二动态系数Dr计算:Dr=(drcs/zLL2)*100Dr=(10/500)*100Dr=2%
接下来,我们将这两个动态系数与城市道路动态事件触发阈值Q21和高速道路动态事件触发阈值Q22进行比较。假设Q21设置为1.5%,Q22设置为2%。
比较第一动态系数Dy和Q21:
Dy(2%)>Q21(1.5%)
由于第一动态系数Dy高于城市道路动态事件触发阈值Q21,触发城市道路动态事件检测。
比较第二动态系数Dr和Q22:
Dr(2%)<Q22(2%)
由于第二动态系数Dr低于高速道路动态事件触发阈值Q22,不触发高速道路动态事件检测。
实施例8
本实施例是在实施例1中进行的解释说明,请参照图1,具体的,所述自适应触发采集单元还包括角度变化触发阈值单元,所述角度变化触发阈值单元用于获得设置角度变化阈值Q3,持续监测车辆的方向角度变化值,获取角度变化值Jd,
并将角度变化值Jd与角度变化阈值Q3进行对比,如果角度变化值Jd超过或等于角度变化阈值Q3,表示车辆行驶方向发生了明显变化以触发数据采集频率的调整,采用增加数据采集频率,以更详细地捕捉车辆行驶方向的变化和交通事件;如果角度变化值Jd未超过角度变化阈值Q3,说明车辆行驶方向变化较小,选择降低数据采集频率以节省资源。
本实施例中,通过监测车辆的方向角度变化值(角度变化值Jd),系统可以感知车辆行驶方向是否发生了明显的变化。这对于捕捉车辆的转弯、变道、交叉口通行等行驶方向变化事件非常重要。当角度变化值Jd超过或等于角度变化阈值Q3时,系统可以触发数据采集频率的调整。这意味着系统可以在车辆行驶方向发生显著变化时,自动增加数据采集频率,以更详细地记录方向变化事件。这对于捕捉交通事件和车辆行驶行为变化非常有用。如果角度变化值Jd未超过角度变化阈值Q3,系统会选择降低数据采集频率,以节省资源。这有助于减少不必要的数据采集和传输,降低了系统的能源消耗和通信成本。通过在行驶方向变化事件发生时增加数据采集频率,系统可以提供更详细的事件细节记录。这对于事故调查、行驶行为分析和道路设计优化等方面都具有重要意义。
数据示例:
在一段时间内,车辆的方向角度变化值Jd的变化如下:
1、0度
2、5度
3、15度
4、8度
5、12度
现在,我们将这些方向角度变化值与角度变化阈值Q3进行比较:
0度<Q3(10度):不触发数据采集频率的调整。
5度<Q3(10度):不触发数据采集频率的调整。
15度>Q3(10度):触发数据采集频率的调整,增加数据采集频率以更详细地捕捉车辆行驶方向的变化和交通事件。
8度<Q3(10度):不触发数据采集频率的调整。
12度>Q3(10度):触发数据采集频率的调整,增加数据采集频率以更详细地捕捉车辆行驶方向的变化和交通事件。
实施例9
本实施例是在实施例1中进行的解释说明,请参照图1,具体的,还包括报警单元,所述报警单元用于对自适应触发采集单元中,如果拥堵系数Yd高于或等于拥堵触发阈值Q1,说明交通拥堵,需要更频繁地采集数据以监测交通细节和事件,并生成第一报警拥堵信息;
即使拥堵系数Yd未高于拥堵触发阈值Q1的情况下,如果拥堵系数Yd在一段时间内持续上升,第一自适应频率调整单元采用自动增加数据采集频率,并生成第二预警拥堵信息;
如果第一动态系数Dy高于或等于城市道路动态事件触发阈值Q21,则触发城市道路动态事件检测;第二动态系数Dr高于或等于高速道路动态事件触发阈值Q22,则触发高速道路动态事件检测;生成第三事件预警信息;并,将第一报警拥堵信息、第二预警拥堵信息和第三事件预警信息的时间和位置进行记录发送至管理员相关方。
本实施例中,报警单元的引入增强了系统的实时警报和事件通知功能,有助于提高交通管理的响应速度,加强对交通拥堵和事件的监测和处理,从而提升交通系统的效率、安全性和可持续性。这些有益效果对于城市交通管理和路况监控具有重要意义。
实施例10
一种基于行车记录仪的路况数据动态采集方法,包括以下步骤:
S1、部署行车记录仪、GPS定位器、角度传感器、速度传感器和雷达传感器到多辆车辆上,用于实时路况采集数据;
S2、实时采集数据并建立视频数据集、车辆实时GPS数据集、车辆速度数据集、车辆角度数据集和环境数据集;
S3、对采集的数据集进行处理,将其解析成可处理的格式;
S4、通过分析单元分析获得拥堵系数Yd、第一动态系数Dy和第二动态系数Dr;
S5、获取拥堵系数Yd、第一动态系数Dy和第二动态系数Dr,持续监测车辆的方向角度变化值,获取角度变化值Jd,并分别与拥堵触发阈值Q1、城市道路动态事件触发阈值Q21、高速道路动态事件触发阈值Q22和角度变化阈值Q3进行对比,获得结果自适应调整数据采集频率,并相对应生成第一报警拥堵信息、第二预警拥堵信息和第三事件预警信息。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种基于行车记录仪的路况数据动态采集系统,其特征在于:包括数据采集单元、数据处理单元、分析单元和自适应触发采集单元;
所述数据采集单元,用于实时采集区域车辆前方路况视频数据、车辆速度、车辆角度和区域环境数据,并,建立视频数据集、车辆实时GPS数据集、车辆速度数据集、车辆角度数据集和环境数据集;
所述数据处理单元将所述视频数据集、车辆实时GPS数据集、车辆速度数据集、车辆角度数据集和环境数据集进行数据处理、解析成可处理的格式;
所述分析单元用于对解析过的视频数据集、车辆实时GPS数据集、车辆速度数据集、车辆角度数据集和环境数据集、进行分析和计算,获得拥堵系数Yd;所述拥堵系数Yd通过以下公式进行计算获得:
,
式中,Vt表示每个时间点的车辆平均速度值,单位:km/h;Vmax表示为预先定义的最大车速阈值,设置30公里/小时;N表示为时间点的总数;公式的意义为,计算了每个时间点车速低于最大车速阈值的程度,并对所有时间点的结果求和后求平均值,结果在0到1之间归一化,较高的拥堵系数Yd值表示较严重的交通拥堵;
所述自适应触发采集单元用于依据拥堵系数Yd,设置拥堵触发阈值,并依据拥堵触发阈值设置数据采集频率值,以更好的捕捉交通细节、区域监控和交通事件详情;
所述自适应触发采集单元包括设置拥堵触发阈值单元;
所述拥堵触发阈值单元用于设定拥堵触发阈值Q1,并将当前计算的实时拥堵系数Yd与拥堵触发阈值Q1进行对比,拥堵系数Yd低于拥堵触发阈值Q1,说明交通流畅,则选择较低的数据采集频率,以降低资源消耗;
如果拥堵系数Yd高于或等于拥堵触发阈值Q1,说明交通拥堵,需要更频繁地采集数据以监测交通细节和事件,在这种情况下,增加数据采集频率,以更好地捕捉交通事件和拥堵情况;所述自适应触发采集单元还包括第一自适应频率调整单元;
所述第一自适应频率调整单元用于实时监测并获取拥堵系数Yd,并根据其实时变化来自适应地调整数据采集频率;即使拥堵系数Yd未高于拥堵触发阈值Q1的情况下,如果拥堵系数Yd在一段时间内持续上升,第一自适应频率调整单元采用自动增加数据采集频率,以更及时地捕捉拥堵和事件;反之,如果一段时间拥堵系数Yd内降低,采用减少数据采集频率,以节省资源;
所述分析单元包括视频帧提取单元、特征识别单元和速度获取单元;
所述视频帧提取单元用于从视频数据集中提取连续的图像帧;
所述特征识别单元用于对每个图像帧进行识别,提取车辆特征、车辆间距特征、道路标线特征,识别并跟踪图像中的车辆,根据车辆在图像帧之间的位置变化和时间间隔,并根据速度获取单元采集需要获取车辆的当前速度数据,并记录在每个图像帧上,并将若干个图像帧整理成时间序列,每个时间点对应一个车速值;
所述分析单元还包括事故识别单元和动态系数分析单元;
所述事故识别单元用于将所述车辆间距特征进行分析,识别异常的车辆间距,设置城市车辆间距1米内为第一异常间距,高速公路车辆间距10米内为第二异常间距;
所述动态系数分析单元用于获取一段时间内第一异常间距和第二异常间距的次数,分析计算获得第一动态系数Dy和第二动态系数Dr,所述第一动态系数Dy和第二动态系数Dr通过以下公式计算获得:
,
,
式中,dycs表示为固定时间内的第一异常间距次数,zLL1表示为城市道路监测车辆总流量;drcs表示为固定时间内第二异常间距次数,zLL2表示为高速公路监测车辆总流量;
所述自适应触发采集单元还包括设置事件触发阈值单元和第二自适应频率调整单元;
所述设置事件触发阈值单元分别设置城市道路动态事件触发阈值Q21和高速道路动态事件触发阈值Q22,并将实时计算得到的第一动态系数Dy和第二动态系数Dr分别与城市道路动态事件触发阈值Q21和高速道路动态事件触发阈值Q22并进行对比,如果第一动态系数Dy高于或等于城市道路动态事件触发阈值Q21,则触发城市道路动态事件检测;第二动态系数Dr高于或等于高速道路动态事件触发阈值Q22,则触发高速道路动态事件检测;第二自适应频率调整单元根据实际发生的交通事件来自适应地调整数据采集频率。
2.根据权利要求1所述的一种基于行车记录仪的路况数据动态采集系统,其特征在于:所述数据采集单元包括部署单元、第一采集单元和第二采集单元;
所述部署单元用于在若干个车辆上部署行车记录仪、GPS定位器、角度传感器、速度传感器和雷达传感器;
所述第一采集单元,用于行车记录仪,采集获取车辆前方的视频数据,建立视频数据集;采用GPS定位器采集车辆的实时位置、建立车辆实时GPS数据集;采用速度传感器和角度传感器采集车辆速度数据和车辆角度数据;建立车辆速度数据集和车辆角度数据集;
所述第二采集单元用于采用雷达传感器和行车记录仪采集车辆周围环境数据,建立环境数据集;所述环境数据集包括车辆周围障碍物、行人、环境中其他车辆数据、周围环境地形和道路情况数据。
3.根据权利要求1所述的一种基于行车记录仪的路况数据动态采集系统,其特征在于:所述自适应触发采集单元还包括角度变化触发阈值单元,所述角度变化触发阈值单元用于获得设置角度变化阈值Q3,持续监测车辆的方向角度变化值,获取角度变化值Jd,
并将角度变化值Jd与角度变化阈值Q3进行对比,如果角度变化值Jd超过或等于角度变化阈值Q3,表示车辆行驶方向发生了明显变化以触发数据采集频率的调整,采用增加数据采集频率,以更详细地捕捉车辆行驶方向的变化和交通事件;如果角度变化值Jd未超过角度变化阈值Q3,说明车辆行驶方向变化较小,选择降低数据采集频率以节省资源。
4.根据权利要求1所述的一种基于行车记录仪的路况数据动态采集系统,其特征在于:还包括报警单元,所述报警单元用于对自适应触发采集单元中,如果拥堵系数Yd高于或等于拥堵触发阈值Q1,说明交通拥堵,需要更频繁地采集数据以监测交通细节和事件,并生成第一报警拥堵信息;
即使拥堵系数Yd未高于拥堵触发阈值Q1的情况下,如果拥堵系数Yd在一段时间内持续上升,第一自适应频率调整单元采用自动增加数据采集频率,并生成第二预警拥堵信息;
如果第一动态系数Dy高于或等于城市道路动态事件触发阈值Q21,则触发城市道路动态事件检测;第二动态系数Dr高于或等于高速道路动态事件触发阈值Q22,则触发高速道路动态事件检测;生成第三事件预警信息;并,将第一报警拥堵信息、第二预警拥堵信息和第三事件预警信息的时间和位置进行记录发送至管理员相关方。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311226610.9A CN116978234B (zh) | 2023-09-22 | 2023-09-22 | 一种基于行车记录仪的路况数据动态采集方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311226610.9A CN116978234B (zh) | 2023-09-22 | 2023-09-22 | 一种基于行车记录仪的路况数据动态采集方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116978234A CN116978234A (zh) | 2023-10-31 |
CN116978234B true CN116978234B (zh) | 2023-11-24 |
Family
ID=88483458
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311226610.9A Active CN116978234B (zh) | 2023-09-22 | 2023-09-22 | 一种基于行车记录仪的路况数据动态采集方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116978234B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0652486A (ja) * | 1991-05-21 | 1994-02-25 | Hitachi Ltd | 交通流計測方法及び装置 |
JP2001093086A (ja) * | 1999-09-21 | 2001-04-06 | Oki Electric Ind Co Ltd | 路車間通信の制御システム |
DE102005060856A1 (de) * | 2005-12-20 | 2007-06-28 | Robert Bosch Gmbh | Verfahren zur Erkennung eines Stauereignisses |
CN101510358A (zh) * | 2009-03-20 | 2009-08-19 | 吉林大学 | 采用视频图像处理实时统计车流量的方法及装置 |
CN102360534A (zh) * | 2011-09-23 | 2012-02-22 | 福建工程学院 | 实时公交拥挤状态信息的采集方法 |
CN103730008A (zh) * | 2014-01-15 | 2014-04-16 | 汪涛 | 基于公交gps和ic卡实时数据的公交拥挤度分析方法 |
WO2022127273A1 (zh) * | 2020-12-17 | 2022-06-23 | 深圳市微网力合信息技术有限公司 | 基于wifi6的交通信息获取方法及系统 |
-
2023
- 2023-09-22 CN CN202311226610.9A patent/CN116978234B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0652486A (ja) * | 1991-05-21 | 1994-02-25 | Hitachi Ltd | 交通流計測方法及び装置 |
JP2001093086A (ja) * | 1999-09-21 | 2001-04-06 | Oki Electric Ind Co Ltd | 路車間通信の制御システム |
DE102005060856A1 (de) * | 2005-12-20 | 2007-06-28 | Robert Bosch Gmbh | Verfahren zur Erkennung eines Stauereignisses |
CN101510358A (zh) * | 2009-03-20 | 2009-08-19 | 吉林大学 | 采用视频图像处理实时统计车流量的方法及装置 |
CN102360534A (zh) * | 2011-09-23 | 2012-02-22 | 福建工程学院 | 实时公交拥挤状态信息的采集方法 |
CN103730008A (zh) * | 2014-01-15 | 2014-04-16 | 汪涛 | 基于公交gps和ic卡实时数据的公交拥挤度分析方法 |
WO2022127273A1 (zh) * | 2020-12-17 | 2022-06-23 | 深圳市微网力合信息技术有限公司 | 基于wifi6的交通信息获取方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116978234A (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11380105B2 (en) | Identification and classification of traffic conflicts | |
CN101510356B (zh) | 视频检测系统及其数据处理装置、视频检测方法 | |
CN112433519A (zh) | 一种无人驾驶检测系统及车辆行驶检测方法 | |
CN111126171A (zh) | 一种车辆逆行检测方法及系统 | |
CN110837800A (zh) | 一种面向港口恶劣天气的目标检测和识别的方法 | |
CN110796862B (zh) | 一种基于人工智能的高速公路交通状况检测系统及方法 | |
CN104809887A (zh) | 一种高速公路上车辆逆行检测方法与自动报警装置 | |
CN106228812A (zh) | 违法车辆图像采集方法及系统 | |
CN113055649A (zh) | 一种隧道智能视频监控方法、装置、智能终端及存储介质 | |
CN114387785A (zh) | 一种基于智慧公路的安全管控方法、系统及可存储介质 | |
CN112528759A (zh) | 一种基于计算机视觉的交通违章行为检测方法 | |
CN116978234B (zh) | 一种基于行车记录仪的路况数据动态采集方法及系统 | |
CN108932503A (zh) | 恶劣天气下车前障碍的识别方法及装置、存储介质、终端 | |
CN112447042B (zh) | 交通事件侦测系统及方法 | |
CN116311913B (zh) | 一种基于ai视频智能分析的高速路段拥堵分析方法及系统 | |
CN111899521A (zh) | 一种高速公路的车辆违规行为检测方法 | |
CN116564083A (zh) | 一种基于改进CrowdDet算法的高速公路交通拥堵检测的方法 | |
CN116630891A (zh) | 一种交通异常事件检测系统及方法 | |
CN112990117B (zh) | 基于智能驾驶系统的安装数据处理方法及装置 | |
CN111627224A (zh) | 车辆速度异常检测方法、装置、设备及存储介质 | |
CN114333331A (zh) | 一种多车道桥梁车辆通行信息与车重识别方法及系统 | |
CN116412854A (zh) | 基于5g车联网的路面信息数据采集系统 | |
TWI359758B (zh) | ||
KR102637924B1 (ko) | 인공지능기반 이륜자동차의 헬맷 미착용 단속시스템 및 방법 | |
CN117372967B (zh) | 基于物联网智慧路灯的远程监控方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |